9 сентября 2025 года YouTube представил настоящий технологический прорыв — систему генеративных AI-эффектов, которые работают прямо в камере Shorts.
Теперь любой пользователь может мгновенно превращаться в зомби к Хэллоуину, мультяшного персонажа или обладателя сияющей «водной» кожи. И все это — на обычном смартфоне, без серверов и задержек.
Как втиснуть десятки гигабайт в телефон?
Проблема генеративных моделей известна: они слишком большие и тяжелые для мобильных устройств. Системы вроде StyleGAN или Imagen нормально работают только в облаке.
YouTube решил задачу:
- Огромная модель играет роль «учителя», генерируя примеры.
- Маленькая версия — «ученик» — учится воспроизводить результаты.
- Архитектура на базе UNet и MobileNet позволила добиться скорости 30 кадров/с на мобильных GPU.
Причем обучение не ограничилось базовыми примерами: инженеры тщательно прогоняли «ученика» через сложные тесты — с очками, полуобъемными перекрытиями лица, движением рук перед камерой, — пока модель не научилась работать устойчиво.
PTI — гарантия того, что в кадре останетесь вы
Одна из главных проблем генеративных эффектов — так называемая inversion problem: алгоритм часто меняет не только стиль, но и саму внешность человека.
Решение YouTube — Pivotal Tuning Inversion (PTI).
- Сначала AI максимально точно восстанавливает черты лица пользователя: цвет кожи, очки, форму носа.
- Затем поверх этих неизменных характеристик накладывается стиль — улыбка, фильтр зомби или мультяшная обработка.
Итог: лицо остается вашим, меняется лишь эстетика. Эффект скорее напоминает макияж, чем «перерисовку».
Как все работает внутри смартфона
После того как компактная модель была натренирована, разработчики встроили ее в MediaPipe — ML-фреймворк Google для обработки мультимодальных данных на устройствах.
Процесс выглядит так:
- Face Mesh обнаруживает лицо на видео.
- Система стабилизирует кадр и выравнивает лицо.
- «Ученик»-модель в реальном времени генерирует эффект (улыбка, стиль и пр.).
- Обработанное изображение возвращается в поток, формируя итоговое видео без рывков.
На Pixel 8 Pro вычисления занимают всего 6 мс/кадр, а на iPhone 13 — около 10 мс, что идеально для стабильных 30 FPS.
Хотите создать уникальный и успешный продукт? СМС – ваш надежный партнер в мире инноваций! Закажи разработки ИИ-решений, LLM-чат-ботов, моделей генерации изображений и автоматизации бизнес-процессов у профессионалов.
ИИ сегодня — ваше конкурентное преимущество завтра!
Тел. +7 (985) 982-70-55
E-mail sms_systems@inbox.ru